Veo 3.1 Ingredients to Video: Референсы для стабильных результатов

Три референсных изображения помогают только тогда, когда каждое из них выполняет свою функцию.Функция «Ингредиенты для видео» в Veo 3.1 — это не столько загрузка большего количества изображений, сколько разделение сигналов идентичности, продукта и окружения, чтобы модели не приходилось угадывать, какие детали важны.

Официальная демонстрация Google DeepMind — полезный первый взгляд на эту идею. Она показывает, как несколько референсов управляют персонажами, объектами и стилем генерируемой сцены, а не заставляют одно изображение определять всё.

Что считается ингредиентом в Veo 3.1

Ингредиент — это референсное изображение, которое сообщает модели, как должен выглядеть важный визуальный элемент. Оно отличается от начального изображения, которое становится первым кадром. Референсное изображение может направлять содержимое, не заставляя весь генерируемый кадр копировать его композицию.

Практический набор ингредиентов может включать:

• Референс персонажа с чётко различимым лицом и одеждой.
• Референс продукта с читаемой формой, упаковкой и материалами.
• Референс локации или стиля, определяющий окружение или визуальный язык.

Вы также можете использовать несколько изображений одного и того же объекта, если идентичность является основной задачей, но помните, что API в настоящее время допускает не более трёх референсных изображений. Набор должен быть тщательно подобран.

Если ваша цель — простая анимация из одного неподвижного изображения, а не управление несколькими референсами, стандартный рабочий процесс «изображение в видео» может быть быстрее. Ингредиенты становятся ценными, когда несколько визуальных элементов должны сохраниться в процессе генерации вместе.

Дайте каждому референсу одну чёткую функцию

Самый простой способ создать запутанный набор референсов — загрузить три красивых изображения, каждое из которых подразумевает разную сцену. Вместо этого запишите функцию каждого изображения перед загрузкой.

Для видео о модном продукте роли могут быть следующими:

1. Идентичность персонажа: лицо модели, волосы и пропорции тела.
2. Идентичность продукта: точная сумочка, включая форму, ручки, фурнитуру и цвет.
3. Окружение: солнечная терраса средиземноморского отеля с бледным камнем и морем на заднем плане.

Теперь текстовый промпт может сосредоточиться на действии: персонаж идёт по террасе с сумкой, поворачивается к камере, кладёт одну руку на перила, а камера переходит от среднего сопровождающего плана к более крупному продуктовому ракурсу.

Это чище, чем использование трёх lifestyle-фотографий, где персонаж, сумка, фон и освещение меняются от изображения к изображению.

Подготовьте референсные изображения перед генерацией

Качество референса влияет на то, что модели приходится угадывать. Используйте изображения, где важный объект достаточно крупный для изучения и не скрыт за тяжёлыми эффектами.

Для людей выбирайте чёткое лицо с равномерным освещением, не искажённое экстремальным объективом. Если важна одежда, включите достаточно тела, чтобы её было видно. Для продуктов используйте чистый packshot или реалистичное фото продукта, где логотип, этикетка, застёжки, текстура и общие пропорции хорошо читаются. Для локации избегайте изображения, настолько перегруженного деталями, что задуманные архитектурные элементы неразличимы.

Не смешивайте референс мультипликационного персонажа с фотореалистичным продуктом и стилизованным окружением в духе масляной живописи, если только этот контраст не является намеренным. Промпт не должен разрешать случайный конфликт стилей.

Вы также можете подготовить референсы в Media.io перед генерацией. Например, используйте Image AI, чтобы создать или улучшить согласованное референсное изображение, а затем внесите утверждённый ресурс в рабочий процесс создания видео.

Напишите промпт с ингредиентами, разделяющий инварианты и действие

Сильный промпт для ингредиентов Veo разграничивает то, что должно оставаться стабильным, и то, что должно происходить в течение клипа.

Начните с инвариантов идентичности и сцены:

«Используйте предоставленную женщину в качестве того же персонажа, предоставленную красную кожаную сумку через плечо в качестве точного продукта, а предоставленную террасу отеля в качестве окружения. Сохраните форму сумки, цвет, золотую фурнитуру, длину ручки и расположение видимого логотипа.»

Затем опишите действие и камеру:

«Женщина медленно идёт по террасе, держа сумку естественно сбоку. Она останавливается у перил и поворачивает сумку к камере. Камера сопровождает её на высоте пояса, затем делает медленный наезд до среднего продуктового плана. Тёплый послеполуденный свет, естественное движение ткани и волос.»

Наконец, добавляйте аудиоподсказки только при необходимости. Veo 3.1 может генерировать нативное аудио, поэтому промпт может включать атмосферные звуки, диалог или звуковые детали. Для продуктового плана простая атмосфера может быть предпочтительнее перегруженного звукового пространства.

Используйте несколько референсов для согласованности персонажа и продукта

Генерация с несколькими референсами особенно полезна, когда видео требует одновременно узнаваемого персонажа и узнаваемого продукта. Промпт только с текстом может воспроизвести правильную категорию объекта, изменив при этом мелкие коммерческие детали. Референсное изображение-ингредиент даёт модели более конкретную цель.

Тем не менее, референсное руководство не является юридической гарантией точного воспроизведения. Относитесь к сгенерированному брендированному контенту как к черновику, требующему визуального контроля качества. Проверяйте этикетки, логотипы, геометрию упаковки и цвет продукта в полном разрешении. Если логотип становится нечитаемым при повороте продукта, либо уменьшите угол поворота, либо покажите этикетку в отдельном кадре, либо используйте чистый продуктовый кадр в наиболее бренд-чувствительный момент.

Для повторяющихся персонажей сочетайте референсы-ингредиенты с более широкими идеями планирования из руководства Media.io по согласованности видео с ИИ. Согласованность улучшается, когда вы повторно используете утверждённые референсы, логику камеры, определения гардероба и правила освещения, а не создаёте новую визуальную спецификацию для каждого клипа.

Создавайте нативное видео 9:16 вместо обрезки горизонтального формата впоследствии

Одним из полезных обновлений Veo 3.1 для ингредиентов является нативная генерация в формате 9:16. Это важно, потому что вертикальная композиция — это не просто обрезка горизонтального кадра. Персонаж, правильно скомпонованный для 16:9, может стать слишком маленьким или потерять важные действия с руками и продуктом после обрезки.

При генерации для Shorts, Reels или TikTok проектируйте ингредиенты и промпт для вертикального пространства:

• Держите лицо и продукт в центральной безопасной зоне.
• Оставляйте достаточно пространства над головой для движения, не создавая пустой верхней половины.
• Избегайте широкого горизонтального расположения двух людей, если оба не могут оставаться читаемыми.
• Зарезервируйте пространство в нижней части экрана, если позже будут добавлены подписи или текст призыва к действию.
• Используйте движение вперёд, вверх или в глубину, которое хорошо воспринимается на высоком экране.

В Media.io также есть примеры промптов для Veo, которые помогут вам увидеть, как язык камеры и сцены выражается в промптах модели.

Планируйте диалог и аудио как часть сцены

Veo 3.1 поддерживает нативно генерируемое аудио, и Google добавил поддержку аудио в рабочие процессы «Ингредиенты для видео». Это означает, что планирование визуальных референсов и аудио может происходить в рамках одной генерации.

Для диалога убедитесь, что произносимая реплика совместима с продолжительностью клипа. Укажите, кто говорит и когда. Если персонаж произносит одно предложение, держа продукт, избегайте одновременного требования нескольких драматических движений камеры. Чем больше одновременных ограничений вы добавляете, тем больше потенциальных точек отказа создаёте.

Для атмосферных звуков описывайте звуки, относящиеся к видимым событиям: тихий прибой на террасе, чашка, поставленная на стол, отдалённый городской трафик, движение ткани или фоновый звук помещения. Избегайте добавления звуковых эффектов только потому, что система может их сгенерировать.

Когда аудио важно для финального монтажа, прослушивайте его отдельно от изображения. Проверяйте чёткость речи, непрерывность фонового звука, нежелательные музыкальные изменения и естественность начала и окончания звука на границах клипа.

Используйте 1080p и 4K-апскейлинг для финальной обработки, а не для исправления плохой идентичности

Примечание о разрешении: Google теперь предоставляет варианты вывода Veo 3.1 с более высокой точностью в 1080p и 4K. Более высокое разрешение полезно для редактирования, больших экранов, деталей продукта и более чистой финальной доставки. Оно не исправляет ошибку в референсе или дрейф лица.

Решайте творческие проблемы перед апскейлингом. Если форма продукта неправильная, повторно генерируйте с лучшими референсами или более простым движением. Если лицо меняется, уменьшите конфликтующие входные данные. Если композиция слабая, исправьте кадрирование. Апскейлинг должен быть финальным шагом после того, как вы выбрали структурно корректную генерацию.

Полезный порядок проверки: сначала идентичность, затем движение, затем композиция, затем аудио, и наконец разрешение и финальная обработка. Это предотвращает трату командного времени на полировку клипа, который следовало отклонить раньше.

Знайте, когда использовать ингредиенты, первый и последний кадры или одно изображение

Эти инструменты управления решают разные задачи.

Используйте «Ингредиенты для видео», когда вам нужно несколько визуальных референсов для определения персонажей, объектов, продуктов, текстур или окружения. Используйте первый и последний кадры, когда начальное и конечное состояния должны быть фиксированы. Используйте одно начальное изображение, когда хотите сильную стартовую композицию с большей творческой свободой впоследствии.

Veo 3.1 поддерживает как референсные изображения, так и покадровую генерацию, но это не означает, что каждый проект должен использовать все инструменты управления одновременно. Выбирайте ограничение, которое устраняет наибольший риск.

Если риск связан с идентичностью продукта, отдайте приоритет референсам-ингредиентам продукта. Если конечный кадр должен точно совпадать с определённым packshot, отдайте приоритет последнему кадру. Если вам нужен простой живой портрет из одного неподвижного изображения, одного изображения может быть достаточно.

Исправляйте типичные ошибки при использовании ингредиентов Veo

Персонаж выглядит похожим, но не идентичным

Используйте более чёткий референс идентичности, устраните конфликты стилей и избегайте референсов, показывающих очень разный возраст, макияж, причёски или углы лица. Повторно используйте один и тот же утверждённый набор референсов в связанных клипах.

Продукт правильный в одном кадре и неправильный в другом

Упростите взаимодействие, уменьшите экстремальное вращение и перекрытие, и обеспечьте продукту достаточный размер на экране для читаемости. При необходимости отделяйте детали продукта от сложных действий персонажа.

Локация доминирует над объектом

Ваш референс окружения может быть слишком визуально насыщенным, или промпт может чрезмерно акцентировать на нём внимание. Сделайте объект и действие более явными и используйте язык кадрирования, который отдаёт приоритет персонажу или продукту.

Результат выглядит как коллаж из референсов

Прекратите описывать каждый референс как отдельный список объектов. Опишите одну цельную сцену и объясните, как ингредиенты располагаются в пространстве вместе.

Вертикальное видео выглядит тесным

Планируйте формат 9:16 до генерации. Сократите широкое расположение элементов бок о бок и переместите важные взаимодействия к центру кадра.

Создайте и завершите видео на основе ингредиентов с помощью Media.io

Media.io может поддерживать окружающий рабочий процесс даже при изменении модели генерации. Сначала подготовьте утверждённые изображения персонажа, продукта и сцены. Затем используйте соответствующую страницу модели Veo или Video AI, чтобы протестировать визуальную концепцию. Ведите запись того, какой набор референсов дал утверждённый результат, чтобы будущие клипы случайно не начинались с другого пакета идентичности.

После выбора лучшего видео продолжайте обычное редактирование, добавление подписей, изменение размера или создание дополнительных сцен. Для производственных команд набор референсов следует рассматривать как многократно используемые творческие ресурсы, а не как одноразовые вложения к промпту.

Контрольный список QA для ингредиентов Veo 3.1

Перед экспортом убедитесь, что:

• Каждое референсное изображение имеет определённую роль.
• Идентичность персонажа остаётся стабильной на протяжении всего клипа.
• Форма продукта, упаковка, цвета и важные детали остаются правильными.
• Окружение поддерживает, а не перегружает объект съёмки.
• Промпт разделяет фиксированные визуальные факты и действие с движением камеры.
• Композиции 9:16 разрабатываются вертикально, а не обрезаются впоследствии.
• Диалог соответствует длине клипа, и нужный персонаж выглядит говорящим.
• Звуковое окружение соответствует видимым событиям.
• Апскейлинг применяется только после того, как творческий результат проходит контроль качества.

Часто задаваемые вопросы об использовании ингредиентов Veo 3.1 для создания видео